从上述执行结果可知,左连接查询,即使主表 sh_goods 中的记录与从表 sh_goodscategory 中任何记录都不符合匹配条件时,也会在查询结果中保留主表 sh_goods 中的此条记录(如 gid 等于1的记录),而从表 sh_goods_category 对应的字段值则为 NULL(如 cid、cname 字段)。在表 5-10 中,同行的运算符具有相同的优先级,除赋值运算符从右到左

海康威视首家提出了主码流与子码流这样的概念，是为了解决在网络情况不好时为了满足远程预览的流畅性降低码率，而不影响本地录像提出的双码流技术，即一路视频进入NVR后，NVR可以编码提供两种码流，主码流和子码流，主码流分辨率高于子码流，主码流用来录像，子码流用来网传。双码流能实现本地和远程传输的两种不同的带宽码流需求，本地传输可以用主码流，能获得更清晰的存储录像，远程传输就因为带宽限制的原因，而使用子码

本章展示了四种机器学习算法的Python实现案例，包括逻辑回归(zai201_mx_log.py)、朴素贝叶斯(zai202_mx_nb.py)、KNN近邻(zai203_mx_knn.py)和随机森林(zai204_mx_rf.py)。这些案例均使用sklearn库，采用统一的处理流程：1)加载Iris数据集；2)建立模型；3)预测并保存结果；4)评估准确率。每个程序结构相似，主要区别在于模型构

本章展示了四种机器学习算法的Python实现案例，包括逻辑回归(zai201_mx_log.py)、朴素贝叶斯(zai202_mx_nb.py)、KNN近邻(zai203_mx_knn.py)和随机森林(zai204_mx_rf.py)。这些案例均使用sklearn库，采用统一的处理流程：1)加载Iris数据集；2)建立模型；3)预测并保存结果；4)评估准确率。每个程序结构相似，主要区别在于模型构

本文介绍了逻辑回归、朴素贝叶斯、KNN近邻和随机森林四种机器学习算法的原理及应用。通过Iris数据集案例，对比了各算法的表现：逻辑回归准确率84.21%，朴素贝叶斯57.89%，KNN近邻达到100%，随机森林为97.37%。文章重点解析了逻辑回归算法的实现过程，包括数据读取、模型建立（使用Sklearn的LogisticRegression）、预测及结果评估。其他算法部分则简略说明了核心建模代码

摘要 本章介绍了5个基于Iris数据集的Python机器学习案例程序，涵盖数据预处理、文本矢量化、数据分解和线性回归建模等关键步骤。案例5-1展示基础数据读取与统计分析；案例5-2进行数据编码和类别数字化；案例5-3实现训练集/测试集拆分并保存结果；案例5-4建立线性回归模型并评估预测准确率（达98%）。所有案例均使用Pandas和Scikit-learn库，演示了从数据准备到建模预测的完整机器学

本文主要介绍了人工智能中机器学习的基本操作流程和经典算法。首先阐述了机器学习数据集的划分（训练集x_train/y_train和测试集x_test/y_test）及建模预测流程（选择模型→训练→生成预测结果y_pred）。接着列举了9种经典机器学习算法（如线性回归、朴素贝叶斯、SVM等），并建议初学者采用"黑箱大法"直接调用函数获取结果。随后通过Iris鸢尾花数据集案例，详细演

在《 zwPython 用户手册》里面，笔者曾经说过，虽然很多人认为Python 是面向对象的语言，但实践表明，忘记 OOP（面向对象编程）的概念，采用传统的 Basic 语言（面向过程）模式，学习效率可以提高 10倍以上。做过底层系统的程序员，以及阅读过 Linux、安卓系统、TensorFlow 系统源码的程序员，会明白其中的难度。忘记这些概念之后，就会海阔天空，所谓的人工智能，不过是传统的P

摘要：Yama是Linux内核中一个专注于ptrace系统调用安全控制的轻量级安全模块，通过4个LSM钩子函数实现四种访问控制模式：禁用模式、关系模式（仅允许父子进程或授权进程跟踪）、能力模式（需CAP_SYS_PTRACE权限）和禁止模式（完全禁用ptrace）。其创新性在于能与SELinux等其他安全模块共存，通过/proc/sys/kernel/yama/ptrace_scope文件进行配置

AppArmor域间转换机制研究摘要 AppArmor是一种基于文件路径的强制访问控制机制，其域转换机制具有以下特点：1) 域由进程最后执行的文件路径决定，采用树状结构设计，支持父子域转换限制；2) 提供两种域转换方式：通过执行文件触发转换（可能转换到子域、外部域或unconfined状态）和通过/proc文件系统接口主动修改；3) 支持命名空间隔离策略，不同命名空间可定义同名域的不同策略。App